一种基于神经网络和模糊积分的电力系统故障诊断方法技术方案

本发明专利技术公开了一种基于神经网络和模糊积分的电力系统故障诊断方法，本发明专利技术采用面向元件神经网络与模糊积分信息融合技术的电网故障诊断方法，有效解决了获取训练样本和适应拓扑变化两个问题。综合诊断中充分考虑到了初级诊断结论的可靠性差异，而且避免了对先验信息的讨论，也无需做各元件初级诊断结论独立性假设，有效提高了系统诊断的准确性。

【技术实现步骤摘要】

本专利技术涉及电网调度与故障分析领域，尤其涉及一种电力系统故障诊断方法。
技术介绍
电力系统发生故障的情况下，快速、准确的故障诊断对减少电能中断时间和增强供电可靠性意义重大。SCADA/EMS等信息系统的广泛应用为获取故障 信息提供了技术条件，但故障时大量报警信息短时间内涌入调度中心，远远超 出了运行人员的处理能力。在电力系统发生复杂故障(多重故障、越级故障、 扩大性故障)以及保护、开关不正常动作或存在错误信息的情况下，诊断更加 困难。随着系统规模的扩大和实时性要求的提高，这些问题将更加突出。神经网络是人们在模仿人脑处理问题的过程中发展起来的一种新型智能信 息处理理论，它通过大量称为神经元的简单处理单元构成非线性动力学系统。 神经网络的高速并行处理、分布存储信息等特性，具有很强的自学习性、自组 织性、容错性、高度非线性、高鲁棒性、联想记忆功能和推理意识功能强等特 点。其特色在于信息的分布存储和并行协同处理，十分适用于像故障诊断这类 多变量非线性问题。本专利技术采用面向元件的建模思路构造神经网络得到初级诊 断结论。但面向元件的诊断结论是根据局部信息得出的局部结论，要精准地在全网 范围本文档来自技高网...

【技术保护点】
一种基于神经网络和模糊积分的电力系统故障诊断方法，其特征在于，包括以下步骤：　　　　（１）对电网的三类主要元件线路、母线、变压器分别建立保护模型和神经网络模型。　　　　（２）选取训练样本和ＲＢＦ网络对元件神经网络进行训练。　　　　（３）采用实时结线分析方法来识别故障前与故障后的系统拓扑结构差异，确定故障区域，将故障区域内的元件作为候选故障元件。　　　　（４）基于面向元件的神经网络模型进行初级故障诊断。　　　　（５）利用模糊技术对初级故障诊断结论进行预处理。　　　　（６）根据电网拓扑信息形成故障元件候选集Ｄ＝｛ｄ↓［１］，ｄ↓［２］…ｄ↓［Ｎ］｝，其中，ｄ为故障候选元件。　　　　（７）根据电网拓...

【技术特征摘要】

【专利技术属性】
技术研发人员：郭创新，彭明伟，刘毅，游家训，马韬韬，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]